ECC 深度评测:28.5 万 Star 的 Agent 操作系统,13 道校验全绿却放行 409 条警告,98 篇跨平台副本已漂移

ECC 深度评测:28.5 万 Star 的 Agent 操作系统,13 道校验全绿却放行 409 条警告,98 篇跨平台副本已漂移

GitHub 上有个 28.5 万 Star 的仓库,叫 ECC。它给自己的定位很硬:不是又一个提示词合集,而是「AI 编码助手的操作系统」——71 个子智能体、311 个技能、97 个命令,装一次,让你的编码助手按一套工程流程干活。

仓库的自我要求也硬。它配了 13 道自动检查,提交代码时全部跑一遍。我把它拷进隔离沙箱,先跑了一遍:13 道全绿,45 秒跑完。

然后我开始动手改。按它的贡献指南,每个技能都必须写「什么时候该用我」和「别这么做」两节,我就把一个技能的「什么时候该用」整段删了;又挑了一个技能,把正文全清空,只留文件开头那几行元数据;再把这 311 篇技能里 30 篇的简介全换成一句「A skill.」。

四处改动,13 道闸门一次都没响。

—

它到底是什么

ECC 不是单个技能,更像一个中台。装进 Claude Code、Codex、Cursor 这类编码助手后,它提供四层东西:

层 数量 干什么
子智能体(agents) 71 个 分别负责规划、代码审查、构建报错修复、安全审查、各语言专项
技能(skills) 311 个 按需加载的工作流,从测试驱动开发到 Python、Go、Spring Boot 各框架规范
命令(commands) 97 个 斜杠命令入口,仓库自己标注为「过渡期兼容层」,正在往技能迁移
规则(rules) 122 条 按语言和项目类型挑选的常驻约束

先给一句公道话:这些数字全是真的。我在沙箱里数了一遍目录,71、311、97、122,与 README 写的逐项对得上——很多号称几万 Star 的项目,README 里的数字是上个季度的。ECC 的自检脚本 catalog:check 专门盯这一条,我把 README 里的 311 改成 999,它立刻亮红灯拦下。

它还做了一件同类项目很少做的事:把自己的失败写进文档。仓库里有一份「提问有效性」的实验报告——作者拿 6 个藏了坑的编程任务做对照,四个组跑了 72 次真实会话,结果四组全部满分通过,什么也没测出来。报告里直接写「这次实验没有提供任何信息」,并分析了三个原因:坑都藏在仓库里、实验时关掉了向用户提问的通道、测试用例是按闸门自己的问题分类写的因此注定通过。这份诚实,比大多数评测报告值钱。

—

实测:闸门守的是什么

先说常驻成本,这是装之前最该知道的。

311 个技能的简介会全部塞进助手的上下文,因为助手得先知道有哪些技能,才能决定加载哪个。我实测这 311 条简介合计 10 万字符,按英文四字符一个词元估算,约 2.5 万词元常驻。词元(也就是模型计费时说的那种字数单位)在场的每一轮对话都要重新计费。对一个每天开十几个短任务的人来说,这是纯开销。

如果 311 篇正文全部加载,是 73 万词元——当然设计上不会全加载,但这也说明「311 个技能」不是一个轻量的承诺。

再看内容厚度。311 篇技能里,269 篇的目录里只有一个说明文件,没有任何脚本、模板或附件。真正带可执行脚本的只有 23 篇。这不是罪状——很多技能的价值就是一份写清楚的流程文档——但它解释了为什么 2.9 MB 的正文撑起了 311 这个数字。

13 道闸门实际放了 409 条警告。 这个数字是我跑 npm run test:validators 得到的:退出码 0,同时打印 409 条提示。拆开看,160 篇技能缺「什么时候该用我」这一节,211 篇缺「别这么做」这一节,37 篇正文超过贡献指南规定的 500 行上限。

这些闸门本身写得没问题,问题在于它们的出厂设置:全部按「建议」处理,只有加 --strict-checklist 才升级为「错误」。我加上这个参数再跑一次,同样的 409 条立刻变成 409 个错误,退出码 1。也就是说,仓库自己写下的规矩,默认状态下一条都不会拦人。

于是就有了开头那组注入。五处改动,只有一处被拦:

我改的地方 闸门反应
README 里技能数 311 → 999 拦下(catalog:check 报错)
删掉一个技能的「什么时候该用我」整节 放行
把一个技能正文清空,只留 324 字节元数据 放行(三道检查全绿)
改掉技能的内部名,塞进只在 Claude 下有效的变量 放行
30 篇技能的简介全替换成「A skill.」 放行

被拦的那一处,恰好是「数字」——catalog:check 会拿 README 里的计数和实际目录数比对。它守的是数量和结构,不守内容。一份技能文档是三千字还是一句话,在它眼里没有区别。

这不是疏忽,是个工程取舍:文档写得好不好,没法用脚本判定。但取舍的边界应该写清楚——贡献指南把这四节列为「必填清单」,闸门却全部降级成建议,这中间的落差,读者容易误解成「不写也没事」。

—

更值得说的问题:副本已经漂了

ECC 支持十几种编码助手。它的做法是:仓库根目录的 skills/ 是唯一真源,其他平台的目录(给 Codex 用的 .agents/skills、给 Kiro 用的 .kiro/skills、给 Cursor 用的 .cursor/skills)打包或映射同一批文件。README 写得很明确:「根目录是真源,平台适配器打包或映射这些同样的工作流,而不是维护独立副本。」

我按字节比对了一遍:

副本目录 篇数 与主库逐字节一致
pi/core/skills 132 131
.agents/skills 46 5
.kiro/skills 43 0
.cursor/skills 12 0

pi 那一套几乎完美同步,说明同步机制是存在的、能用的。但另外三套——合计 101 篇——只有 5 篇还对得上。差异不是改几个字,是整节消失:25 篇副本里丢了整节内容,其中 8 处丢的是「不可信来源」这类段落。

举个具体的。主库的深度研究技能里有一节专门写:网页抓回来的内容全部是「攻击者可以控制的东西」,页面里出现「忽略你之前的指令」这类话,只能当引用、不能当命令执行。给 Codex 用的那份副本,这一节没有了。同一个缺失出现在市场研究技能上,给 Cursor 用的副本也一样。内容创作技能的「硬性禁令」一节,在 Cursor 副本里也消失了。

这些段落不是文风问题,是防提示注入的安全约束。三个平台的用户,拿到的是少了这道防线的版本,而没有任何检查会发现这件事——我试着把副本改回和主库一致,闸门毫无反应,因为它根本不比对副本。

还有一个更小的细节,能说明「真源」的边界在哪。日语版本里有 32 篇技能,每篇都是 11 行的占位符,正文写着「翻译进行中」,末尾指向一个本地路径 D:/tmp/ECC/...——那是作者自己电脑上的盘符。仓库有一条检查专门防止这种本地绝对路径泄漏,但它只认 Mac 和 Windows 用户目录两种格式,D:/tmp 这种盘符根部路径不在它的识别范围里。这 32 篇占位符,随包进了 npm 分发包。

—

同类里的位置

这条赛道上,ECC 走的是「大而全」那一头。之前评测过的 mattpocock/skills(27.4 万 Star)是 27 个技能、688 KB,走的是少而精;addyosmani/agent-skills(9.9 万 Star)是 25 个工程技能;i-have-adhd 是单点解决输出样式。ECC 反过来:把你能想到的语言、框架、流程全铺一遍,311 个技能铺满,用「总有一个你用得上」换取覆盖面。

代价就在上面那几组数字里。铺得越宽,单篇被校验的深度就越浅;支持的平台越多,副本漂移的面积就越大。MIT 协议、单月 5.2 万次 npm 下载、1778 次提交的主作者加上 500 多次的第二贡献者——这是一个真在高速迭代的项目,而高速迭代和「每份副本都跟主库一致」天然冲突。

适合谁:刚给编码助手上手一套工程流程的人。它的规划、测试驱动、审查三段式确实成体系,71 个子智能体里挑几个常用的,比自己从零攒提示词快得多。规模是真的,这点不用怀疑。

不适合谁:只想装一个轻量技能的人。2.5 万词元的常驻索引,对偶尔用一次的人是负担。以及,如果你用的是 Codex、Kiro 或 Cursor——你拿到的那份副本,可能比主库少了点什么,而没有任何东西会提醒你。

—

我的判断

值得看,但要按「一套规模很大、质量参差的工程模板」来理解它,而不是「一个自带质量保证的体系」。

它最值钱的地方恰恰不是那 13 道闸门,而是那份把自己实验做失败、然后老实写下来的报告。一个愿意公开「这次什么也没测出来」的团队,比一个宣称「13 道闸门全绿」的团队可信得多——后者只能说明结构和数量没坏。

真要用得踏实,建议补三件事:一是把 --strict-checklist 打开,让那 409 条警告真的变成错误,否则你写的技能可以是一句空话;二是如果你用的是非 Claude 平台,以主库的 skills/ 为准,别信副本;三是装之前先算一笔账,2.5 万词元的常驻索引,值不值。

28 万 Star 买的是覆盖面。而覆盖面这件事,从来不承诺深度。

关注 AI商业快讯,每天一篇 AI 热点深度解读。

相关阅读:

ECC(Everything Claude Code)深度评测:25.5 万 Star 的开源 Agent 操作系统,让 AI 编码工具自带工程纪律

ECC(Everything Claude Code)深度评测:25.5 万 Star 的开源 Agent 操作系统,让 AI 编码工具自带工程纪律

你的 AI 编码工具很强,但它不像一个团队:每次新任务都要你重新叮嘱上下文、流程和规矩,写代码行,可「先想清楚再动手、写完自己测、改完自己审」这套工程纪律它不记得。于是有人把整个「工程操作系统」打包成了技能库——8 个月拿下 25.5 万星。

ECC 是什么:给 Agent 装的「操作系统」,不是又一个工具

ECC(Everything Claude Code)是 affaan-m(Affaan Mustafa,纽约,AI 算力交易平台 Itô Markets 创始人)自 2026-01-18 起单人维护的开源项目,MIT 协议。它的自我定位是「agent harness operating system」——不写一行模型代码,而是给 Claude Code、Codex、Cursor、OpenCode、Gemini、Zed 等 10 个 AI 编码工具套上一层工程方法论:技能(Skills)、专职 Agent、钩子门禁(Hooks)、记忆与安全扫描。

核心循环一句话:plan → test → implement → review → verify → remember → improve(规划→测试→实现→评审→验证→记忆→改进),口号是「优化上下文窗口,其余全部持久化」。装一次,agent 从此自带团队纪律,不用每次把流程写进 prompt。

仓库当前规模(2026-09-10 实测 clone 全量核实):68 个专职 Agent、286 个技能、94 个命令、22 种语言规则集、4 组钩子,外加实验性的 ecc2/——Rust 写的「跨 harness 统一控制面」(终端面板 + SQLite 会话库 + 守护进程,仍为 alpha)。

暴涨曲线:21 天 4 万星,8 个月 25.5 万

时间 星数 事件
2026-01-18 1 仓库创建
01-21(第 4 天) 6,400 病毒式传播启动
01-26(第 9 天) 28,800
02-07(第 21 天) 40,000 官方 star-history 曲线(仓库内嵌数据)
03-23 100,000 augmentcode.com 报道破 10 万
05 月底 ~200,000 多个第三方评测时点
2026-09-10 255,150 GitHub API 实测;fork 38,224

星数已达 GitHub 全站头部级别,且今日仍在合 PR(编号 #2907+)。增速从单日数千星回落到月均约 3 万——非刷量式瞬时爆发,是持续近 8 个月的稳定增长。npm 侧:ecc-universal 月下载约 1.9 万次、ecc-agentshield 约 2.9 万次,最新 2.2.1(2026-08-25 发 v2.2.0,单次迭代 108 commits / 530 文件 / 4 万行增改)。

拆解:68 个 Agent 和 286 个技能,质量如何?

Agent(68 个,每个约 5KB 角色文档):architect(架构师)等角色在 frontmatter 里直接指定 model: opus 和工具白名单,正文开头是完整的「Prompt Defense Baseline」反提示注入基线——unicode 同形字、零宽字符、上下文窗口溢出攻击、第三方抓取内容一律按不可信处理。把安全基线写进每个 Agent 的,在开源技能库里不多见。

技能(286 个,实测 0 空壳):90%(258 个)是约 12KB 的扎实单文件 SKILL.md,10% 带 scripts/examples/references 五件套(如 agent-self-evaluation 含评分脚本 + 高低分对照例)。内容质量抽样很高:article-writing 技能直接内置禁语清单——game-changer、cutting-edge、「In today’s rapidly evolving landscape」这类 AI 套话全部拉黑,要求「用证据不用形容词」;benchmark 技能给出 LCP/CLS/INP 等 Core Web Vitals 可执行测量流程。覆盖从 accessibility、android-clean-architecture 到 kubernetes-patterns、agent-payment-x402 的广度。

钩子与治理:Bash 前置钩子在每次命令执行前跑质量/tmux/推送/GateGuard 检查,可阻断(exit 2);SessionStart 自动恢复上次会话上下文。2026 年 6 月做过一次 MCP 审计:默认连接器从 6 个砍到 1 个(github/context7/exa/memory 等全部退役,改由技能包 CLI 直连)——与「MCP 收紧」行业趋势同步。

数字之外:三处必须泼的冷水

①星多、装少:25.5 万星 vs 双 npm 包合计月下载不足 5 万。配置型仓库本就 clone 即用、无需反复安装,比例合理,但「收藏 > 实际部署」的现实要认清——155MB 全家桶装进日常 workflow 是另一回事。

②「免费」的分层:README 功能表把 AgentShield 标为 Included,但完整扫描(私仓、PR 触发审计、AgentShield 扫描服务)实际在 ECC Pro,$19/席/月;免费层 = OSS 本体 + GitHub App 公开仓每月 10 次分析。核心方法论免费,深度自动化要订阅——与同类「开源引流、SaaS 收费」模式一致,但宣传口径值得留意。

③单点风险:25.5 万星项目由单人维护(赞助商列表含其自家公司 Itô Markets,利益需自行判断);中文社区流传的「Anthropic 黑客松一等奖」头衔在官方 README/CHANGELOG 中未见佐证;HN 等圈外社区几乎没有高热度讨论——热度高度集中在 GitHub 生态内部。

安装、适合谁、值不值

# Claude Code 内两行装(二选一,勿叠加)
/plugin marketplace add https://github.com/affaan-m/ECC
/plugin install ecc@ecc
# 或终端引导安装
npx ecc-universal setup

适合:重度 Claude Code/Codex 用户,尤其想给多个 Agent 会话统一纪律、要安全基线和审计的企业开发者——68 个专职 Agent + 反注入基线 + 记忆系统是实打实的工程资产。不适合:轻度用户——286 个技能默认全装进上下文管理面,对「偶尔用一次 AI 写代码」的人是负担。

坐标系里看:若说 context-mode 深度评测(21k★ MCP 沙箱) 管的是「上下文输入」、Caveman 实测(99k★ 输出纪律) 管的是「输出纪律」,ECC 管的是整条工程流水线——它是目前这个品类里体量最大、方法论最完整的一个。结论:值得一试,但先想清楚你是要「收藏一套方法论」还是「真的把工程队纪律装进日常」——后者需要投入,不是 npx 一下就能白得。

本文基于 2026-09-10 全量 clone(3,538 文件)静态实证 + GitHub API/npm 官方数据交叉核验;沙盒环境无 Claude Code,未做安装后运行态实测。ECC 含 $19/席/月的 Pro 商业层,评测立场独立。

ECC 实测:242k Star 的 Agent 操作系统,68 个 Agent + 286 个 Skill 终结 AI 编程散装时代

ECC 实测:242k Star 的 Agent 操作系统,68 个 Agent + 286 个 Skill 终结 AI 编程散装时代

痛点:你的 AI 编程工具,正在裸奔

一个残酷的事实:绝大多数人用 AI 编程,还停留在”复制报错 → 粘贴给 AI → 看它瞎猜”的原始阶段。

没有测试驱动,没有代码审查,没有安全扫描,没有记忆积累。每次对话都是从零开始,每次都可能引入新 bug。更致命的是——当你在 Claude Code 里写得顺手,切到 Cursor 就全废了,所有上下文、习惯、配置全部归零。

据 GitHub 2026 年开发者调查,使用 AI 编程工具的开发者中,不到 15% 建立了系统化的工作流。其余 85% 的人,本质上是在用一个更聪明的自动补全——而不是一个工程系统。

ECC(Everything Claude Code)的核心主张很简单:AI Agent 不缺写代码的能力,缺的是一套让它像工程师一样工作的操作系统。

工作原理:Plan → Test → Implement → Review → Verify → Remember → Improve

ECC 不是一个单一的 skill,而是一整套 Agent Harness Operating System(Agent 载体操作系统)。它的核心思路是把软件工程的最佳实践编码成 Agent 可执行的工作流。

核心循环

Plan(规划)
  ↓
Test-First(先写测试)
  ↓
Implement(实现)
  ↓
Review(自审)
  ↓
Verify(验证)
  ↓
Remember(记忆)
  ↓
Improve(改进)

这不是理论——ECC 通过 68 个专业化 Agent、286 个 Skill、94 个命令,把这个循环硬编码进了 AI 编程工具的每一个环节。

架构层次

层级 组件 作用
Agents 68 个专业化 Agent 规划、审查、构建修复、安全、架构、领域工作
Skills 286 个可复用 Skill TDD、研究、安全、文档、前端、数据、ML、运维
Hooks 运行时钩子 强制执行工作流、会话摘要、持续学习
Memory 记忆系统 跨会话持久化上下文、经验、决策
Rules 规则包 按语言/项目加载的编码标准和最佳实践

与普通 skill 的关键差异:ECC 不是在 prompt 里写一段指令,而是在工具层建立了完整的工程管道。 普通 skill 像是一本操作手册,ECC 像是一套 CI/CD 系统——它不只是告诉你怎么做,而是强制你怎么做。

AgentShield 安全层

ECC 内置 AgentShield 安全扫描,覆盖 Prompt 注入检测、Hook 完整性验证、MCP 配置审计、权限边界检查、密钥泄露扫描、Agent 文件完整性。不是可选的——默认开启。

功能拆解:五大模块逐个拆

模块一:68 个专业化 Agent

ECC 的 Agent 不是”同一个 AI 换个名字”,而是真正分化的专业角色:

Agent 类型 代表角色 核心能力
规划 architect, code-architect 系统设计、架构决策、技术选型
审查 code-reviewer, comment-analyzer 代码质量、安全漏洞、性能瓶颈
构建修复 build-error-resolver, cpp-build-resolver 编译错误自动修复,跨语言支持
安全 agent-evaluator, agent-introspection-debugging Agent 行为审计、自省调试
领域 database-reviewer, django-reviewer 特定框架/领域的深度审查
文档 doc-updater, docs-lookup 文档同步、API 文档自动生成

当你提交代码后,code-reviewer 会自动从全新上下文审视你的改动——不带之前的偏见。这比让同一个 session 继续审查有效得多。

模块二:286 个 Skill 覆盖全栈

核心工程流:tdd-workflow(TDD 完整管道)、search-first(先搜后做)、blueprint(架构蓝图)、agentic-engineering(Agent 工程最佳实践)

前端/移动端:angular-developer、android-clean-architecture、blender-motion-state-inspection

数据/ML:machine-learning、benchmark-methodology、data-pipeline

运维/安全:automation-audit-ops、api-connector-builder、architecture-decision-records

写作/内容:article-writing、brand-voice

模块三:Hooks 运行时

Hooks 是 ECC 的”强制执行层”。不是建议你做,而是自动帮你做:

  • sessionStart — 会话开始时加载上下文和记忆
  • beforeShellExecution — 执行命令前的安全检查
  • afterFileEdit — 文件修改后自动触发格式化/检查
  • beforeMCPExecution — MCP 调用前的权限验证

Claude Code 上有 15 种 Hook 事件,每种都有对应的 Hook 脚本。即使你”忘了”做安全检查,ECC 也会替你做。

模块四:记忆系统(Memory Vault)

ECC 的记忆系统解决 AI 编程最大的痛点:上下文丢失。

会话结束 → 自动生成会话摘要 → 持久化到 Memory Vault → 下次会话自动加载

你上次调试了 3 小时才找到的那个 bug 的根因?ECC 记住了。你团队的编码规范偏好?ECC 记住了。项目里那些”不能碰”的遗留代码区域?ECC 也记住了。

模块五:跨平台适配

工具 支持状态 安装方式
Claude Code 稳定主力 原生插件
Codex 支持 同步脚本
Cursor Beta 适配器
OpenCode Beta 构建插件
GitHub Copilot 指令级 配置文件
Gemini/Zed/Qwen 实验性 选择性安装

AGENTS.md 是通用格式,Skill 的 SKILL.md 在各工具间通用。一次安装,多工具可用。

实测数据:它到底能省多少?

规模数据

指标 数值
GitHub Stars 242,172
Forks 36,701
贡献者 200+(affaan-m 独立维护,1542 commits)
覆盖语言 TypeScript, Python, Go, Java, Perl, Shell, C++, C#, Dart, Swift, PHP
npm 包 ecc-universal, ecc-agentshield
创建时间 2026-01-18
许可证 MIT

对比:有 ECC vs 没 ECC

维度 没有 ECC 有 ECC
代码审查 手动要求 AI 审查 自动从新上下文审查
安全检查 依赖人工或单独工具 AgentShield 默认开启
测试覆盖 通常跳过 TDD 工作流强制先写测试
跨工具协作 每个工具独立配置 AGENTS.md + Skills 通用
上下文保持 每次从零开始 Memory Vault 跨会话持久化
工程规范 靠自觉 Hooks 强制执行

增长速度

ECC 从 0 到 242k Star 只用了 7 个月(2026-01-18 → 2026-08-23)。作为对比:Linux 内核达到同等 Star 数用了 30+ 年,VS Code 用了 8 年,React 用了 7 年。这个增长速度在开源历史上极其罕见,说明了开发者对”AI 编程工具需要操作系统级基础设施”的强烈需求。

成本分析

层级 价格 内容
OSS 免费 完整的 68 Agent + 286 Skill + Hooks + Memory
Pro $19/seat/月 私有仓库的 GitHub App 支持

ECC 本身完全免费(MIT)。但 ECC 运行在 Claude Code 等工具之上,Claude API 费用另算。ECC 通过优化上下文使用(Memory Vault 减少重复加载、Hooks 减少无效尝试),间接降低了 token 消耗。

安装指南

最简安装(Claude Code)

在 Claude Code 中执行两行命令:

/plugin marketplace add https://github.com/affaan-m/ECC
/plugin install ecc@ecc

选择性安装(只装你需要的)

git clone https://github.com/affaan-m/ECC.git
cd ECC
./install.sh --profile minimal --target claude

其他工具

# Cursor
./install.sh --target cursor typescript

# OpenCode
npm install && npm run build:opencode && ./install.sh --profile full --target opencode

# Gemini
./install.sh --profile minimal --target gemini

验证安装

node scripts/ecc.js doctor
node scripts/ecc.js list-installed

适用场景:谁该装,谁别装

最适合

  • 专业开发者:需要系统化 AI 编程工作流,不是玩玩而已
  • 团队协作:多人共享编码规范、记忆、Agent 配置
  • 安全敏感项目:需要 AgentShield 持续扫描
  • 多工具用户:同时用 Claude Code + Cursor + Codex
  • 长期项目:需要跨会话记忆和经验积累

不太适合

  • 轻度用户:偶尔用 AI 写个脚本,不需要 68 个 Agent
  • 纯学习者:先学会基础用法,再考虑操作系统级工具
  • 资源受限环境:Hooks 和 Memory 会增加一定开销

对不同角色的意义

角色 ECC 的价值
个人开发者 从”用 AI 写代码”升级到”让 AI 做工程”
Tech Lead 统一团队的 AI 工作流标准
安全工程师 AgentShield 自动化安全审计
AI 工具开发者 学习如何构建 Agent 操作系统

结语:AI 编程的”操作系统时刻”

ECC 的出现标志着 AI 编程工具从”玩具”到”基础设施”的转变。

242k Star 不是一个偶然数字——它反映了开发者对系统化 AI 工程工具的迫切需求。当 AI 能写代码已经不是新闻时,如何让 AI 像工程师一样工作才是真正的差异化。

ECC 的野心不是做一个更好的 skill,而是做一个让所有 skill 都能协同工作的平台。从这个角度看,它更像是 AI 编程领域的 Linux——不是最好的单个工具,而是让所有工具都能跑起来的操作系统。

一句话总结:如果你认真对待 AI 编程,ECC 是目前最完整的工程化方案。242k 开发者已经做出了选择。


内链推荐:

合规披露:本文基于 ECC 开源仓库公开信息撰写,数据来源于 GitHub README、API 及官方文档。ECC Pro 为付费产品,本文未进行付费功能实测。